NumPy

In questo articolo analizzeremo l'impatto di NumPy sulla società contemporanea. Data l’attualità di questo argomento oggi, è fondamentale comprendere le implicazioni che NumPy ha in vari ambiti, come l’economia, la politica, la cultura e la tecnologia. Nelle prossime righe esamineremo come NumPy ha trasformato il modo in cui interagiamo con il mondo che ci circonda, nonché le sue conseguenze a lungo termine. Attraverso un'analisi dettagliata, cerchiamo di far luce sulle dinamiche che NumPy ha generato e sulle possibili soluzioni alle sfide che pone.

NumPy
software
Logo
Logo
Schermata di esempio
Schermata di esempio
GenereAnalisi numerica
SviluppatoreJim Hugunin
Data prima versione1995 come Numeric, 2006 come NumPy
Ultima versione2.2.4 (16 marzo 2025)
Sistema operativoMultipiattaforma
LinguaggioFortran
Python
C
LicenzaBSD
(licenza libera)
Sito webnumpy.org/
Modifica dati su Wikidata · Manuale

NumPy è una libreria open source per il linguaggio di programmazione Python, che aggiunge supporto a grandi matrici e array multidimensionali insieme a una vasta collezione di funzioni matematiche di alto livello per poter operare efficientemente su queste strutture dati. È stato creato nel 2005 da Travis Oliphant basandosi su Numeric di Jim Hugunin.[1]

NumPy si rivolge all'implementazione di riferimento CPython di Python, che è un interprete di bytecode non ottimizzante. Gli algoritmi matematici scritti per questa versione di Python spesso vengono eseguiti molto più lentamente degli equivalenti compilati. NumPy affronta il problema della lentezza in parte fornendo array multidimensionali e funzioni e operatori che operano in modo efficiente sugli array; l'utilizzo di questi richiede la riscrittura del codice, principalmente loop interni, utilizzando NumPy.

Esempio d'utilizzo

Il seguente esempio mostra come poter disegnare un grafico con NumPy e Matplotlib. 

>>> import numpy
>>> from matplotlib import pyplot
>>> x = numpy.linspace(0, 2 * numpy.pi, 100)
>>> y = numpy.sin(x)
>>> pyplot.plot(x, y)
>>> pyplot.show()

Note

  1. ^ NumPy Methods and Functions, su python.engineering, 30 agosto 2021.

Voci correlate

Altri progetti

Collegamenti esterni